《鐵道任務》沒有台灣地圖，大學生用 AI 做了一個

抽到一張任務卡：竹南到池上，橫跨半個台灣，22 分。另一張更刁——高雄到蘭嶼，得跨海，9 分。這張台灣地圖不是《鐵道任務》的官方擴充，是一位大學生自己做的數位版，而且整個專案，他幾乎沒有親手寫程式。

原版沒有台灣地圖，計分還得人工攤牌

起點是一場實體桌遊局。做這個數位版的人署名 RobotHanzo，是位大學生。他跟朋友玩《鐵道任務》，發現原版沒有台灣地圖；而且紙本玩到最後，要把路線、車站一張張攤開來人工計分，「常常算錯又很花時間」。與其自己畫一張紙本擴充地圖，不如直接做成數位版——用台灣的城市和鐵路重新設計地圖與規則用語，把容易算錯的結算全部自動化。

於是棋盤上有了基隆、平溪、阿里山、集集，跨海航線一路拉到澎湖、金門、馬祖、綠島、蘭嶼——任務卡抽到哪，火車就得鋪到哪。

開瀏覽器就開局，計分交給程式

台鐵任務 TRMission 是一款開瀏覽器就能玩的多人桌遊：台灣地圖、台鐵路線，玩法重現經典火車桌遊《鐵道任務》的機制——收集車廂卡、搶佔路線、完成任務卡把城市連起來，再加上原版沒有的隨機事件。可以跟真人開房，也可以跟分難度的 AI 機器人對戰；紙本最容易出錯的計分、車票結算、最長路線判定，全部交給程式。第一次玩也不怕，站上有五分鐘的互動教學，帶你認識路線、任務卡和計分方式。

這是他第一次全程用 AI 開發完整專案：程式主力是 Claude Code，連 logo 和社群預覽圖都是用 Claude 的設計功能畫的。

spec 定案之後，他幾乎不再寫一行 code

RobotHanzo 的循環從丟需求開始，但不是丟了就跑。他先用 superpowers 這套 plugin 的 brainstorming 技能，讓 Claude Code 做細節探索和研究、把需求釐清，產出一份設計 spec 和一份實作計畫。這兩份文件是整個流程唯一的人工把關點：他自己 review、細修，把方向對齊。

之後就放手。「spec 定案後原則上完全不干預，自己幾乎不手寫 code」，只有中途看到預覽偏離目標才介入。驗收也先讓 AI 自己來：它會用 Claude in Chrome 和 Playwright 自己跑一輪瀏覽器測試，大多數時候是對的，比較大的功能他才親自開瀏覽器檢查一遍。接著把遊戲拿去跟朋友實際玩幾局，邊玩邊記問題，回來丟給 systematic-debugging 技能定位、修復。

真正撐起速度的是平行化：他會同時開 3 到 5 個 Claude Code agent，各自處理不同的功能或修復——投稿附的工作流截圖就是這個畫面，四個並排的視窗，一個在查「所有路線被佔滿時的死結」，另一個在修「車廂卡抽光時的卡死」，各忙各的。模型他也跟著換代：初期跑 Opus 4.8，Sonnet 5 推出後換成主力。

卡最久的一關：額度天天見底

問他卡最久的地方，他給的答案跟技術無關——是 Claude Max 5x 方案的 session 額度。

同時開 3 到 5 個 agent 是速度的來源，也是額度的無底洞：常常做到一半額度見底，要等大約兩小時重置才能繼續，幾乎每天都會卡住一段時間。後來他寫了一個自動腳本，額度重置後自動接續原本的工作——不用自己盯著時間手動重啟，每次重置後的空檔也不會浪費掉。

開新地圖之前，先找人上車

他給同路人的一句話：「妥善使用 skills 與 plugins（例如 superpowers），讓 AI 開發流程可以重複驗證，而不只是單靠一句一句下指令。」

成績他自己報：公開日當天有 280 位玩家下場，Threads 貼文當日突破 9000 點閱（開發者自述）。下一步是招募更多玩家，開放更多地圖和隨機事件。

RobotHanzo 在找玩家。開一局不用裝任何東西：到台鐵任務 TRMission 直接試玩幾局，跟機器人練習或找朋友開房都行；想聊規則、回報問題就進他的 Discord；覺得好玩，去 GitHub 點顆星星支持他。

---

你也在用 AI 做東西？投稿給「AI 酷專案」→ ai-in-action/submit